5-0 MÉTODO DE PREVISÃODE BOX & JENKINS5.1 —IntroduçãoApôs o termino do processo iterativo <strong>de</strong> i<strong>de</strong>ntificação, estimaçaoe checagemdo diagnostico, o qual proporciona uma estimativa do mo<strong>de</strong>lo geradorda série que se ajusta aos dados da realida<strong>de</strong>, po<strong>de</strong>-se utiliza-lopara prever valores futuros da variável.Entretanto <strong>de</strong>ve-se sempre ter presente que, na pratica, nunca se tem oprocesso gerador verda<strong>de</strong>iro da realização amostrai. Dispõe-se apenas <strong>de</strong>uma aproximação <strong>de</strong>sse processo gerador, a qual estasujcita a erros tantono que se refere a i<strong>de</strong>ntificação quanto a estimação. E claro,então,que o sucesso do processo <strong>de</strong> previsão <strong>de</strong>pen<strong>de</strong>ra, fundamentalmente, daqualida<strong>de</strong> representativa do mo<strong>de</strong>lo teórico estimado, a qual <strong>de</strong>pen<strong>de</strong> dotrabalho nas etapas <strong>de</strong> i<strong>de</strong>ntificação e estimação.Os processos <strong>de</strong> previsão com mo<strong>de</strong>los <strong>de</strong> séries <strong>de</strong> <strong>tempo</strong> são procedimentosque visam a esten<strong>de</strong>ra valores futuros o mo<strong>de</strong>lo <strong>de</strong>scrito e ajustadoaos valores passados e ao valor presente da variável. Dessa maneira, oestudo dos processos <strong>de</strong> previsão que aqui se analisam envolve um conjunto<strong>de</strong> técnicas, que busca estabelecer a base teórica que norteia oestudo <strong>de</strong> previsões <strong>de</strong> séries <strong>univariantes</strong> <strong>de</strong> <strong>tempo</strong>, proposto por <strong>Box</strong>& <strong>Jenkins</strong>, bem como os fundamentos da inferencia estatística dos erros<strong>de</strong> previsão e os conseqílentes intervalos <strong>de</strong> confiança para aqueles procedimentos,além, é claro, da etapa posterior <strong>de</strong> cálculo das previsõespropriamente ditas.Ao esten<strong>de</strong>r a valores futuros prováveis o mo<strong>de</strong>lo <strong>de</strong> série <strong>tempo</strong>ral construído<strong>de</strong> forma a <strong>de</strong>screver os valores passados e o valor presente davariável, esta-se diante <strong>de</strong> uma analise que busca obter as característicascomportamentais sistemáticas da série, vale dizer, que busca apresentaruma <strong>de</strong>scrição dos mecanismos e da natureza aleatória do processoestocãstico que gerou a serie <strong>de</strong> valores passados e do valor presente.O estabelecimento da estrutura probabilística da realização amostraida variável proporcionara os meios para inferí r conclusões sobre as probabilida<strong>de</strong>sassociadas a cada possível valor futuro da variável.Portanto a previsão se torna o calculo do valor esperado <strong>de</strong> uma futuraobservação, condicionado aos valores passados e ao valor presente davariável. Ou seja, chamando <strong>de</strong> x t (h) o valor previsto estimado para umhorizonte <strong>de</strong> "h" períodos <strong>de</strong> <strong>tempo</strong> futuros e "t" o período <strong>de</strong> origem daprevisão, então,Í t (h) = E(x t+h /x t , x t _ 1( ...).O valor <strong>de</strong> x no <strong>tempo</strong> t+h e obtido pela equação do mo<strong>de</strong>lo ARIMA.Como foi visto em capítulos anteriores, uma observação x^+h gerada porum mo<strong>de</strong>lo ARIMA §(B)x t = 8(B)a t , on<strong>de</strong> § (B) = 4>(B)V d , po<strong>de</strong> ser expressa<strong>de</strong> três formas distintas:
102- em termos <strong>de</strong> equações a diferençasat +h ;- em termos <strong>de</strong> uma soma pon<strong>de</strong>rada do presente e dos passados choquesaleatóriost+h °°x . = . Z T , . a . = .ZH'.a,., ,,- ^\t+h j=-» t+h-j j j=o j t+h-j (5.2)on<strong>de</strong> V =1 e f . são tais que (l - SB- ... - § ,B P+ ) (l+y.B+f-B "+. . .) =o j l p+d l 2.= (l -8^ - ... -9 B q ) ;- em termos <strong>de</strong> uma soma pon<strong>de</strong>rada das observações passadas mais um choquealeatório no período presente\+h-j + a t+h '(5 - 3)on<strong>de</strong> os pesos TTj são tais que 5 (B) = (l—ir B-TT B 2 -. . .) 6 (B)A base do estudo que norteia a teoria das previsões é que essa inferencia<strong>de</strong>ve estar sujeita ao menor erro possível. Matematicamente, significadizer que a previsão ótima <strong>de</strong>ve apresentar um erro quadrático médio <strong>de</strong> previsão mínimo, ou seja, x (h) <strong>de</strong>ve ser tal queE(e (h) 2 ) = E(x h~^t C 1 ) ) 2 se J a um mínimo.O <strong>de</strong>senvolvimento <strong>de</strong>ssa expressão estabelece os valores que a satisfazem.Seja o mo<strong>de</strong>lo ARIMA §(B)x = 9 (B) a , então,x = T 1 (B) 6 (B) a = f(B)a = ^j V j 'Portanto o valor <strong>de</strong> x no <strong>tempo</strong> t+h valet+hEf.j=Q ja . . = St+h-j j=_ coy,.a.=t+h-j j= 't' a ,+V.a , . +. . .+'i', a +V. , a + ... , (5.4)o t+h l t+h-1 h t h+1 t-1o que estabelece o valor <strong>de</strong> Xj.+j^ através <strong>de</strong> uma função linear <strong>de</strong> valoresdo processo <strong>de</strong> ruído branco, do tipo da equação (5.2).
- Page 1:
(/Jmt/)pllllllFundação de Economi
- Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
- Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
- Page 8 and 9:
Figura 22 — Gráfico da PAC da s
- Page 10 and 11:
Quadro 13 - Relatório de saída do
- Page 12 and 13:
A presente dissertação, orientada
- Page 14 and 15:
14de Cournot e Walras, entre outros
- Page 16 and 17:
16que as atividades de pesquisa alc
- Page 18 and 19:
18funcionamento da realidade econô
- Page 20 and 21:
20quatro componentes e tem-se como
- Page 22 and 23:
2 - SOBRE SÉRIES TEMPORAISE PROCES
- Page 24 and 25:
25onde o segundo membro dessa equa
- Page 26 and 27:
A importância do conhecimento de a
- Page 28 and 29:
O tipo de não estacionariedade mos
- Page 30 and 31:
Essa padronização e obtida atrav
- Page 32 and 33:
=t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
- Page 34 and 35:
35l M l l l l l lFigura 3 - Correlo
- Page 36 and 37:
Para retirar a sazonalidade, cria-s
- Page 38 and 39:
40Nesse caso,E (X t ) = E(u+ E(a t
- Page 40 and 41:
42Portanto.tSZ = ",z = . E z. = .E.
- Page 42 and 43:
44Note-se que, para esse processo,
- Page 44 and 45:
463.2 — Modelo Média MóvelSeja
- Page 46 and 47:
48Processo Média Móvel de Primeir
- Page 48 and 49: 50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
- Page 50 and 51: Conforme se viu no iteia 3,1, para
- Page 52 and 53: 54Coeficiente de autocorrelação>k
- Page 54 and 55: 56se k = 2, p 2 = "í^p-, + ií ) 2
- Page 56 and 57: 58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
- Page 58 and 59: 60Para k < q, o processo misto auto
- Page 60 and 61: 62Coeficientes de autocorrelação^
- Page 62 and 63: 64Observe-se que, se d=0, o modelo
- Page 64 and 65: 66Portanto, o modelo descrito pela
- Page 66 and 67: 4 - O PROCESSO DE MODELAGEMOs model
- Page 68 and 69: 71/Ml-UIAFigura 1 - Gráfico "Ampli
- Page 70 and 71: O processo de transformação da se
- Page 72 and 73: autocorrelaçao de um processo méd
- Page 74 and 75: 'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
- Page 76 and 77: 79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
- Page 78 and 79: 81Padrões de p ^ e (4 ^ para um AR
- Page 80 and 81: Na prática, porém, surge outro pr
- Page 82 and 83: Por fim, o estudo das funções de
- Page 84 and 85: Esses vetores serão $,6, e a , de
- Page 86 and 87: Um exemplo pratico permite maior cl
- Page 88 and 89: Para o calculo de S(_$,ô_), os [ a
- Page 90 and 91: para iniciar o processo que se arbi
- Page 92 and 93: 95Porque os [e.t/S,wn não são exa
- Page 94 and 95: Esse processo de checagem, em geral
- Page 96 and 97: aparecem escassamente no correlogra
- Page 100 and 101: 103De maneira semelhante, pode-se o
- Page 102 and 103: 105Previsão utilizando equação d
- Page 104 and 105: 107ou seja,para h > 2,x t (h) = ^^(
- Page 106 and 107: 109O valor de x no período t+h éx
- Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
- Page 110 and 111: Se as previsões para um, dois e tr
- Page 112 and 113: 115Portanto o valor de x no tempo t
- Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
- Page 116 and 117: 119rie se caracteriza por apresenta
- Page 118 and 119: tricamente crescente, pode-se infer
- Page 120 and 121: 123Figura 5 - Gráfico da função
- Page 122 and 123: 125Quadro 2Figura 7 — Gráfico da
- Page 124 and 125: 127Quadro 4Figura 8 - Gráfico da f
- Page 126 and 127: 129Portanto o modelo suposto inicia
- Page 128 and 129: 1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
- Page 130 and 131: 133O Quadro 5 permite algumas consi
- Page 132 and 133: 135T»E-EST!«»Tto «E51FWALS-- MO
- Page 134 and 135: 137Quadro 6Relatório de saída do
- Page 136 and 137: 1396.3 - Previsões para o Consumo
- Page 138 and 139: 141A avaliação da necessidade de
- Page 140 and 141: 143A Figura 16 permite observar que
- Page 142 and 143: 145A ACF da serie V 2 T t (Figura 1
- Page 144 and 145: '147Quadro 9Valores numéricos da A
- Page 146 and 147: 149Quadro 11Valores numéricos da P
- Page 148 and 149:
Quadro 12151Principais informaçõe
- Page 150 and 151:
1536.3.4 — PrevisõesPara essa se
- Page 152 and 153:
155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
- Page 154 and 155:
157Figura 24 — Relatório de saí
- Page 156 and 157:
160cionarem previsões bastante sat
- Page 158 and 159:
162- KIRBY (1966), comparando os m
- Page 160 and 161:
ANEXO lManual dos Comandos Necessá
- Page 162 and 163:
168cc 9-16 Number with four decimai
- Page 164 and 165:
170Repeat in cc 17-24, 25-32, etc.
- Page 166 and 167:
17240.12345cc 1-5Enter a zero if wi
- Page 168 and 169:
ANEXO 11Relatórios de Saída do Co
- Page 170 and 171:
s^c; c —)c i- >C-' "*> — < Sj=
- Page 172 and 173:
.-« T-4ooooooooooo*• + 4- * *•
- Page 174 and 175:
BIBLIOGRAFIAAKAIKE, H. A new look a
- Page 176 and 177:
MAKRIDAKIS, S. & WHEELWRIGHT, S. C.